Postavili jsme pro redakci českého webu výrobní linku pro videa na YouTube. Systém pomocí umělé inteligence projde natočené záběry z testu, vybere použitelné scény, napíše hlasový komentář, přidá hudbu i náhledový obrázek a video nahraje jako soukromé. I tak má poslední slovo člověk: redaktor si střih upraví, klidně si nechá komentář znovu namluvit a teprve on rozhodne o zveřejnění.
Shrnutí v bodech
- Z 29 klipů o celkové délce 23 minut vznikl tříminutový střih pro YouTube Shorts, scény vybírala umělá inteligence.
- Systém hlídá kvalitu vstupních záběrů: statické scény i příliš tmavé snímky umí označit a vyřadit ze střihu.
- Text narace, hlas, hudba a dva návrhy náhledu se generují automaticky, popis videa prochází faktickou kontrolou na základě porovnání s článkem.
- Redaktor si hotovou pracovní verzi může přestříhat i nechat znovu namluvit; zveřejnění je vždy na něm.
Co jsme postavili
Redakce, pro kterou jsme linku postavili, vydává vedle článků i videoseriály a testy aut na YouTube. Natáčení probíhá klasicky: kamerou a telefonem, ve voze i kolem něj. Surový materiál ale bývá desítky minut dlouhý a sestříhat z něj několikaminutové video ručně znamená hodiny práce. Proto jsme redakci postavili systém, který celý postup zvládne s minimem lidských zásahů.
Základní myšlenka je jednoduchá: autor natočí, materiál nahraje do fronty a zadá instrukce, co má video sdělit. Odtud pracuje stroj. Výsledkem je video s poměrem stran 9:16 pro YouTube Shorts, ale systém zvládne i klasické vodorovné video. Podle zadání se mění jen způsob, jakým se s materiálem nakládá.
Od surových klipů ke střihu
Jako první přijde na řadu analýza. Systém si každý klip rozloží na scény a zároveň kontroluje kvalitu záběrů. Umí poznat statické scény, při nichž se kamera delší dobu nehne, i příliš tmavé snímky, které by ve výsledku působily jako černá díra. Právě tahle kontrola bývá u amatérského materiálu nejdůležitější: z natáčení mobilem se do složky běžně dostanou klipy, které vznikly omylem.
Na základě analýzy systém navrhne scénář střihu: které scény použít, v jakém pořadí a jak dlouho je zobrazit. Vzniklou pracovní verzi si redaktor otevře v redakčním rozhraní a může ji upravit. Když se mu nějaká pasáž nelíbí, nechá ji přestříhat nebo ji vyhodí. Nesedí-li mu text komentáře, nechá si ho znovu namluvit. Střih se znovu zpracuje podle nových pokynů, aniž by se muselo začínat od začátku.
Hlas, hudba a grafika
K obrazu systém doplní zvukovou stopu. Nejprve vygeneruje text narace, který se syntetickým hlasem převede na mluvené slovo. Rychlost řeči i důraz se dají ladit; u názvů modelů aut jsme pohlídali jejich správnou výslovnost. Pod mluveným slovem automaticky ztišuje hudbu z vlastní knihovny, takže komentář zůstává srozumitelný.
Na konci videa systém přidá grafické prvky: logo, výzvu k odběru a zvoneček. Rozmazání poznávací značky je volitelné a redaktor rozhoduje případ od případu. U zapůjčených aut třeba značku záměrně ponechá viditelnou.
Náhled a popis jako z reklamní agentury
YouTube Shorts stojí a padá s náhledovým obrázkem. Systém proto vygeneruje rovnou dva návrhy ve správném rozlišení 1080 × 1920 pixelů a redaktor si v rozhraní vybere. K videu vznikne i titulek, popis a hashtagy, přičemž texty procházejí faktickou kontrolou: údaje z videa se porovnávají s údaji v článku, na který video navazuje, a nesrovnalosti se hlásí. Cílem je, aby video neříkalo víc, než web dokládá.
Člověk má poslední slovo
Nejdůležitější pravidlo celé výroby je schvalovací brána. Systém video zpracuje a nahraje na YouTube, ale vždy jako soukromé. Zveřejní ho až redaktor po kontrole v rozhraní, kde vidí finální střih, náhled i metadata pohromadě. Předtím si může klidně nechat pasáž přestříhat nebo komentář namluvit znovu. Chybný text, špatně zvolená scéna ani nepovedený náhled se tak nikdy nezveřejní bez vědomí člověka.
Co se při vývoji pokazilo
Žádný podobný systém nevznikne bez zádrhelů a ani nám se nevyhnuly. Při testech jsme narazili na dva druhy chyb, které stojí za zmínku. První se týkala samotné analýzy: klip se statickými scénami systém nedokázal zpracovat a celou dávku odmítl, přestože na jiném materiálu běžel bez problémů. Chyba byla v tom, jak si systém zaznamenával statické scény, a projevila se až na konkrétním videu s dlouhými statickými záběry.
Druhá chyba byla opačná: kontrola příliš tmavých snímků označila i běžně exponované video za černé, protože měla nastavený příliš přísný práh. Výsledkem bylo, že systém považoval celý klip za příliš tmavý a nepoužitelný. Obě chyby jsme opravili v analyzátoru a materiál se na druhý pokus zpracoval správně. Případ ukazuje, že i zdánlivě hotová automatizace potřebuje reálný provoz, aby se našly hraniční případy.
Co AI nedělá sama
Automatizace končí tam, kde začíná lidský úsudek. Systém nevybírá, o jakém autě se bude točit, nehodnotí vůz a nepíše závěry testu. Tyto věci zůstávají na redakci, stejně jako rozhodnutí, jestli se video vůbec zveřejní. Umělá inteligence je v tomto uspořádání hlavně rychlý a spolehlivý pomocník pro rutinní práci: analýzu, střih, zvuk a metadata, které by člověku vzaly hodiny.
Co bude dál
Ve druhém díle se podíváme na to, co systém neumí, na jaké limity naráží, kolik taková výroba stojí a kdy se vlastní řešení vyplatí oproti komerčním nástrojům. Téma je otevřené i pro diskusi: Myslíte si, že podobná automatizace patří do redakcí, nebo má být střih vždy lidská práce?
Musí redaktor video vůbec kontrolovat, když ho sestaví AI?
Musí. Systém nahrává hotové video vždy jako soukromé a o zveřejnění rozhoduje výhradně redaktor. Automatizace zrychluje rutinu, ale odpovědnost za obsah zůstává na lidech.
Zvládne systém i klasická vodorovná videa, nebo jen Shorts?
Zvládá obojí. Výchozí formát je svislý 9:16 pro YouTube Shorts, na přání lze vytvořit i vodorovné video ve formátu 16:9. U vodorovného formátu se z výsledného videa vyřazují svislé záběry, aby ve výsledku nebyla černá místa.
Nebude takhle vypadat obsah všech médií?
Automatizace se týká hlavně rutinní výroby, ne názorů a hodnocení, které mají zůstat v rukou lidí. Pravděpodobnější je, že si redakce osvojí podobné nástroje pro první verzi videa a lidé se soustředí na dramaturgii.
